Simulink を使用した深層学習
Deep Learning Toolbox™ に含まれる Deep Neural Networks、Python Neural Networks、および Deep Learning Layers の各ブロック ライブラリのブロックを使用するか、Computer Vision Toolbox™ に含まれる Analysis & Enhancement ブロック ライブラリの Deep Learning Object Detector ブロックを使用して、Simulink® モデルの深層学習機能を実装します。
Deep Learning Layers ブロック ライブラリを使用してネットワークを表す Simulink モデルを生成するには、exportNetworkToSimulink
関数を使用します。
Simulink の一部の深層学習機能では、サポートされているコンパイラを必要とする MATLAB Function ブロックを使用しています。ほとんどのプラットフォームでは、既定の C コンパイラが MATLAB® インストールで提供されます。C++ 言語を使用する場合は、互換性のある C++ コンパイラをインストールしなければなりません。サポートされているコンパイラのリストを確認するには、Supported and Compatible Compilers を開き、オペレーティング システムに対応するタブをクリックして、Simulink Product Family テーブルを見つけ、For Model Referencing, Accelerator mode, Rapid Accelerator mode, and MATLAB Function blocks 列に移動します。システムに複数の MATLAB 対応コンパイラがインストールされている場合は、mex -setup
コマンドを使用して既定のコンパイラを変更できます。既定のコンパイラの変更を参照してください。
関数
exportNetworkToSimulink | Generate Simulink model that contains deep learning layer blocks that correspond to deep learning layer objects (R2024b 以降) |
ブロック
トピック
深層学習層ブロック
- List of Deep Learning Layer Blocks
Discover all the deep learning layer blocks in Simulink. - Implement Unsupported Deep Learning Layer Blocks
TheexportNetworkToSimulink
function converts deep learning layer objects in adlnetwork
object to deep learning layer blocks in a Simulink model. For layer objects that do not have corresponding layer blocks, the function generates placeholder subsystems that contain a Stop Simulation block. This example shows how to manually edit the model to remove the Stop Simulation blocks and recreate the functionality of the input network.
イメージ
- GoogLeNet を使用した Simulink でのイメージの分類
この例では、Image Classifier
ブロックを使用して、Simulink® でイメージを分類する方法を説明します。 - Acceleration for Simulink Deep Learning Models
Improve simulation speed with accelerator and rapid accelerator modes. - 深層学習を使用した Simulink での車線検出と車両検出
この例では、Simulink® モデル内で深層畳み込みニューラル ネットワークを使用して、車線検出と車両検出を実行する方法を示します。 - 深層学習を使用した Simulink での ECG 信号の分類
この例では、Simulink (R) モデル内でウェーブレット変換と深層学習ネットワークを使用して ECG 信号を分類する方法を示します。 - Classify Images in Simulink with Imported TensorFlow Network
Import a pretrained TensorFlow™ network usingimportTensorFlowNetwork
, and then use the Predict block for image classification in Simulink.
シーケンス
- Simulink でのネットワークの状態の予測と更新
この例では、Stateful Predict
ブロックを使用して、学習済みの再帰型ニューラル ネットワークの応答を Simulink® で予測する方法を説明します。 - Simulink でのネットワークの状態の分類と更新
この例では、Stateful Classify
ブロックを使用して、Simulink® で学習済みの再帰型ニューラル ネットワークのデータを分類する方法を説明します。 - Speech Command Recognition in Simulink
Detect the presence of speech commands in audio using a Simulink model. - 深層学習ネットワークを使用した Simulink での時系列の予測
この例では、Simulink® モデル内で LSTM 深層学習ネットワークを使用し、エンジンの残存耐用年数 (RUL) を予測する方法を示します。 - Simulate Calorie Burn Using Neural Network in Simulink
This example shows how to include a simple fully connected neural network in a Simulink® model that predicts calorie burn when given five time steps of sensor readings from a smart watch. - Battery State of Charge Estimation Using Deep Learning
Define requirements, prepare data, train deep learning networks, verify robustness, integrate networks into Simulink, and deploy models. (R2024b 以降) - Physical System Modeling Using LSTM Network in Simulink
This example shows how to create a reduced order model (ROM) to replace a Simscape component in a Simulink® model by training a long short-term memory (LSTM) neural network. - Improve Performance of Deep Learning Simulations in Simulink
This example shows how to use code generation to improve the performance of deep learning simulations in Simulink®.
強化学習
- DDPG エージェントを使用したタンク内の水位の制御
Simulink で学習環境としてモデル化されたプラントを使用し、強化学習を使ってコントローラーに学習させる。 - アダプティブ クルーズ コントロール用の DDPG エージェントの学習
アダプティブ クルーズ コントロール アプリケーション用の強化学習エージェントに学習させる。 - 並列計算を使用した車線維持支援用 DQN エージェントの学習
車線維持支援アプリケーション用に、強化学習エージェントに学習させる。 - 経路追従制御用の DDPG エージェントの学習
レーン追従制御アプリケーション用に、強化学習エージェントの学習を実行します。
Python の共同実行
- Classify Images Using TensorFlow Model Predict Block
Classify images using TensorFlow Model Predict block. - Classify Images Using ONNX Model Predict Block
Classify images using ONNX Model Predict block. - Classify Images Using PyTorch Model Predict Block
Classify images using PyTorch Model Predict block. - Predict Responses Using TensorFlow Model Predict Block
Predict Responses Using TensorFlow Model Predict block. - Predict Responses Using ONNX Model Predict Block
Predict Responses Using ONNX Model Predict block. - Predict Responses Using PyTorch Model Predict Block
Predict Responses Using PyTorch Model Predict block. - Predict Responses Using Custom Python Model in Simulink (Statistics and Machine Learning Toolbox)
This example shows how to use the Custom Python Model Predict (Statistics and Machine Learning Toolbox) block for prediction in Simulink®. The block accepts an observation (consisting of predictor data and a noisy response), and sends it to a custom Python® model that is configured for prediction. The block executes the custom model in Python and returns the predicted response and mean squared error for the observation.
コード生成
- Simulink アプリケーションからの深層学習コードの生成
デスクトップまたは組み込みターゲットに展開するための C/C++ コードおよび GPU コードの生成 - Export Network to FMU
This example shows how to export a trained network as a Functional Mock-up Unit (FMU). (R2023b 以降)